大数据驱动的城市活动空间动态研究

高琦丽

深圳大学建筑与城市规划学院，广东 深圳 518060

近年来，城市空间研究视角从物理经济空间逐渐转向为以人为中心的城市活动空间。随着城市经济发展和交通条件改善，城市活动空间格局持续变化。受限于长时间序列个体活动数据的缺乏，相关研究大多局限于单一活动空间及活动汇总层面，存在空间上覆盖不全、时效性不够等问题，导致对城市活动空间演变的微观过程理解不足。尤其对于城市要素(例如：住房、交通等)如何影响个体行为，进而影响城市空间结构的过程还欠缺理解。大数据时代下，海量个体出行数据使得实时、大规模、多方位感知人们时空行为成为可能，为定量理解城市活动空间动态提供了新的途径。论文从“人(行为)-空间(结构)-城市(要素)”交互视角出发，从居住、职住和日常活动空间三个维度提出城市活动空间动态研究框架，并以深圳市为例展开实证研究。论文主要内容如下：

(1) 基于出行轨迹的个体活动特征提取和活动空间网络构建。以公交刷卡数据为例，结合公交车GPS数据和公交线路数据推断乘客上下车站点，重建个体出行轨迹；从个体出行轨迹中提取起讫点轨迹和停留轨迹特征序列；基于两种轨迹特征序列，根据人们日常活动时空规律，提取活动地点和通勤特征，并构建个体活动空间网络和城市活动空间网络。

(2) 个体迁居行为和城市居住空间变化模式识别。基于个体活动特征识别个体迁居行为，挖掘个体迁居模式；利用空间分析方法和社区检测方法从多角度揭示居住空间格局动态变化，从住房价格角度对结果进行解释。研究结果显示，住房成本的上涨对城市公共交通人群的居住模式产生显著影响，加速了居住郊区化进程。该类人群主要迁往轨道交通可达性较好的区域以降低通勤成本。研究为在新数据环境下进行精细化的居住空间动态研究提供了研究框架，其分析结果有助于分析住房和公共交通对城市空间结构的影响。

(3) 个体职住关系和城市职住关系动态建模。提出多层次职住关系研究框架及模型。从活动特征中提取个体通勤信息，在个体尺度探索个体职住空间关系变化，在城市尺度分析职住空间关系动态；采用双重差分模型估计轨道交通发展对于个体职住位置选择和城市职住空间关系的影响。实证研究发现，深圳市职住空间格局发生显著变化。伴随着居住郊区化，就业郊区化明显，通勤模式由内城通勤向郊区-内城跨区通勤和郊区内通勤转移。轨道交通发展对提高就业可达性和减少通勤时间具有正面作用；然而，新的轨道交通线路的开通也会加剧个体职住分离程度，进而降低区域内职住平衡水平。该研究可为城市土地开发和交通规划政策的实施提供科学决策依据。

(4) 个体日常活动特征和城市活动空间演化模式分析。提出多尺度、多维度日常活动空间特征度量方法。在个体尺度刻画日常活动空间的多样性特征、活动范围特征、社会交互特征和活动出行结构特征；在城市尺度，对城市活动强度、城市活力和城市空间交互特征进行量化。通过不同时段活动空间特征的对比分析揭示城市日常活动空间动态演化模式。结果表明深圳市日常活动空间从中心城区向城市郊区外围扩散。伴随活动空间转移，个体活动多样性略微增高，活动空间范围显著降低。发生在郊区的中低收入群体的社会交互潜力增强，城市郊区活力提升。论文验证了由个体出行大数据代替传统活动日志进行城市空间研究的可行性。研究结果揭示了在城市快速发展背景下城市居民活动空间的郊区化趋势，对“以人为本”为导向的城市住房政策、交通规划和城市管理具有参考价值。